Brave浏览器macOS版本从Chromium 135升级至136的技术验证与分析
2025-05-11 13:42:15作者:晏闻田Solitary
背景概述
Brave浏览器团队近期完成了从Chromium 135到136的基础引擎升级。作为基于Chromium的开源浏览器,Brave需要确保每次Chromium主版本升级后核心功能保持稳定。本次技术验证重点针对macOS平台(包括x86_64和arm64架构)的升级流程进行了全面测试。
测试环境配置
测试覆盖两种硬件架构环境:
- x86_64架构:macOS 14.7.4系统,测试版本1.79.57/58
- arm64架构:macOS 15.4系统,测试版本1.79.57/58
测试采用特殊启动参数控制升级源,通过--update-feed-url参数分别指向生产环境URL和内部测试URL,以验证不同升级场景。
核心测试场景与发现
增量升级验证
-
同版本增量升级(C136→C136)
- 测试方法:通过修改更新源URL触发增量更新
- 验证结果:x86_64架构成功应用增量更新包,但arm64架构同时下载了完整安装包(识别为潜在问题)
- 技术细节:增量更新应仅下载差异部分(约20-50MB),完整包下载(约200MB)会浪费带宽
-
跨版本升级(C135→C136)
- 测试方法:从1.79.55基础版本触发升级
- 关键验证点:所有用户数据(书签/密码/扩展等)的完整性保持
- 技术亮点:通过终端日志确认了Sparkle更新框架正确处理了版本跳转
后台静默升级机制
验证了两种触发方式:
- 缓存清除法:删除
~/Library/Caches和Preferences目录下的相关文件 - 时间调整法:将系统时间调快4小时以上
技术发现:
- 后台更新检查间隔默认约4小时
- 更新进程独立于用户界面,通过
launchd守护进程管理 - 日志分析显示完整的更新流程事件:
1. 加载Appcast元数据 2. 验证版本签名 3. 下载更新包 4. 准备退出时安装
关键技术验证点
数据持久性验证
-
用户数据:确认了以下数据的跨版本保持
- 活动会话状态(标签页恢复)
- 加密的密码库
- 同步链配置
- 广告拦截自定义规则
-
组件系统:验证了关键组件的自动更新机制
- 安全浏览服务
- 广告规则数据库
- 证书撤销列表
网络行为监控
使用网络调试工具捕获的更新流量显示:
- 更新过程仅连接Brave官方域名
- 首次启动时无未经授权的第三方请求
- 新标签页加载不触发非必要网络活动
发现的问题与改进
-
arm64架构增量更新问题
- 现象:不必要地下载完整安装包
- 可能原因:delta包生成配置问题或架构识别异常
-
更新验证优化建议
- 增加二进制差异校验环节
- 完善架构特定的测试用例
- 增强更新日志的详细程度
技术总结
本次验证证实了Brave浏览器在macOS平台的大版本升级可靠性。测试过程中采用的终端日志监控、网络流量分析和多架构验证等方法,为Chromium基础升级提供了质量保证。针对发现的arm64架构增量更新问题,建议团队检查Sparkle框架的delta包生成逻辑,确保不同架构的更新效率优化。
对于技术用户,可以通过以下命令获取详细更新日志:
/Applications/Brave\ Browser\ Nightly.app/Contents/MacOS/Brave\ Browser\ Nightly --enable-logging=stderr
该验证流程不仅适用于Nightly频道,其方法论也可推广到Beta和Release版本的升级验证中,为Brave用户提供无缝的版本升级体验。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
671
156
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217